Jorge Rodríguez García
ESTADÍSTICA - ENFERMERÍA
TEMA 1
TIPOS DE...
Tipos de variables.
Cualitativas Cuantitativas o Numéricas
Valores NO numéricos Valores numéricos
Nominales Ordinales Discretas Continuas
Los valores no se Si se pueden Números enteros: No son enteros:
pueden ordenar: ordenar: 1, 2, 3, 4, 5… 1.12321…
Fumar (Si/no) Feliz-Triste
Tipos de frecuencias.
• Frecuencias absolutas. Es simplemente el número de “x” cosa
• Frecuencias relativas (Porcentajes). Es un porcentaje no tiene más. El numero de algo0
entre el total
• Frecuencias acumuladas. La suma de porcentajes. Se puede usar para decir: ¿Cuanta
gente saca menos de tres manzanas en la feria? Pues un 25% (Sería el sumatorio de
todos los que sacan menos)
GRÁFICAS
Gráficos para Valores cualitativos.
• Diagrama de barras
• Diagrama de sectores
• Pictogramas
Gráficos diferenciales para variables numéricas
Son diferentes según la variable, si es continua esta ocupará hasta llegar a la próxima, si en
discreta solo ocupara una línea
Diagramas barras para v. discretas Histogramas para v. continuas
Diagramas integrales
Se realizan a partir de las frecuencias acumuladas
Jorge Rodríguez García
Hay varios tipos de diagramas integrales, entre los que encontramos a:
TEMA 2
INTRODUCCIÓN
Posición Centralización Dispersión Forma
División de los datos Valores centrales: Concentración de los Asimetría
en grupo: Media, mediana, datos
Percentiles, cuartiles. Moda…
¿Qué peso es
superado por el 25%
de los individuos?
El percentil 75 o
tercer cuartil.
POSICIÓN
DIAGRAMA DE TUKEY
Divide los datos en cuartiles, los datos centrales de la caja son el segundo y tercer cuartil, es decir
un 50% del total (rango intercuartílico). Los datos representados solo se extenderán 1.5 veces el
tamaño del rango intercuartílico, más allá los datos serán anómalos.
Jorge Rodríguez García
CENTRALIZACIÓN
• Media (Mean). Es la más usada, sumatorio de todos los datos entre el número de datos.
Sirve para ver el centro de gravedad de los datos, no obstante, es muy sensible a valores
extremos, por lo tanto, es preferible no usarlo con valores asimétricos.
• Mediana (Median). Es el valor que divide a los datos en dos grupos, el percentil 50. No
es sensible a datos extremos, por lo tanto, sirve con valores asimétricos.
• Moda (Mode). Es totalmente inútil no se suele usar, no sé para qué coño existe, es
donde se encuentra la mayor frecuencia.
VARIABILIDAD
Los datos que se consiguen en un estudio pueden variar debido a varias razones (Fuentes de
variabilidad) estas pueden ser:
Diferencias individuales Variabilidad por error de Variabilidad por azar,
medida. aleatoriedad.
Para medir esta variabilidad o dispersión se puede usar:
• Amplitud o Rango (Range). Es la diferencia entre los dos valores extremos. Si tenemos
un estudio sobre la altura de una población. El rango sería la diferencia entre el más alto
y el más bajito. Es sensible a valores extremos
• Rango intercuartílico (interquartile range). Diferencia entre el primer y tercer cuartil, o
el percentil 25 y el 75. No es sensible a valores extremos
Jorge Rodríguez García
• Varianza S2 (Variance). Paranoia mortal, porque está elevado a cuadrado, quien coño
eleva al cuadrado datos sanitarios, ¿hijos 2? Para poder usar este dato que en realidad es
muy útil usamos:
• Desviación típica (standard deviation). Es la raíz cuadrada de la Varianza, así ya
no es hijos2, si no hijos a secas. Vale, pero ¿Qué es esto? Pues la desviación típica tal y
como indica la palabra es lo que típicamente varía en unos datos. Por ejemplo, tenemos
un estudio del peso de un grupo de recién nacidos, que suelen pesar alrededor de 3,5kg
(Mean/Media) pero una gran mayoría ronda
0.5kg arriba o abajo, entre 3 y 4kg. Esto quiere
decir que la desviación típica es de 0.5, y la
frecuencia de niños que pesan entre esos dos
datos es SIEMPRE un 68% aprox.
Es decir, el porcentaje de niños que hay entre los
dos extremos de la desviación típica es de 68%.
Si aumentamos el rango otra desviación típica
más, (1 SD= 0.5+0.5) el porcentaje sube a 95%
aprox. Aproximadamente el 95% estarán entre
2.5 y 4.5 kg.
• Coeficiente de variación. También
denominado variabilidad relativa y se suele mostrar en porcentajes. Es la
división de la desviación típica y la media. En el ejemplo del bebe sería
o.5/3.5=0.14, por lo tanto, el CV=14%
FORMA
ASIMETRÍA O SESGO
Tal como indica la palabra una distribución es simétrica si las dos partes divididas por la
mediana son iguales.
La Asimetría puede ser negativa o positiva según donde se posicione la cola en la gráfica.
APUNTAMIENTO O CURTOSIS
Indica el apuntamiento, para que nos
entendamos, como de picuda es la montañita.
Puede ser de tres tipos según el valor de la
curtosis.
• Platicúrtica (Aplanado)
• Mesocúrtica (Normal)
• Leptocúrtica (Apuntada)
TEMA 3
Jorge Rodríguez García
RELACIONES ENTRE VARIABLES Y REGRESIÓN
De vez en cuando hacemos relaciones entre varias variables para obtener datos, por ejemplo, la
gente lista saca mejores notas, o la gente bajita suele ponerse más mamada en los gimnasios.
Estas relaciones pueden estar mejor o peor eso es lo que intentaremos ver.
DIAGRAMA DE DISPERSIÓN
Para estudiar estas variables usaremos este diagrama
Vemos 30 puntos que indican el peso y la altura de ciertas personas, y se ve que el peso aumenta
proporcionalmente con la altura.
Como veíamos en primaria las proporciones pueden ser directa o indirectamente proporcional.
En este caso vemos que son directamente proporcionales, si la flecha fuera al otro lado (ver
flecha roja) sería indirectamente proporcional, es decir, relación inversa o decreciente.
RELACIONES
Tenemos distintos datos para poder usar estas tablas, simplemente un coñazo.
• Covarianza de dos variable XY (Sxy). Indica si
la relación es inversa (Sxy<0), directa (Sxy>0)
o incorreladas (Sxy=0)
• Coef. De correlación lineal de Pearson (r).
Tiene el mismo signo que la Sxy, indicando
también su relación. Solo toma valores dentro
de [-1, 1] Cuanto más cerca de -1 o 1 más
relación habrá entre las dos variables.
REGRESIÓN
Si la “r ≠ 1” o “r ≠ -1”, la relación no es perfecta por lo tanto habrá fallo o error en los datos.
Aunque no hemos de pensar en el error (Este se mide haciendo la diferencia entre el dato
obtenido y el supuesto dato) en sí, si no en la media de los errores, ya que la gran mayoría de las
veces habrá errores.
En los modelos lineales, como los que estamos viendo ahora r ≈ r2, ya que son bastante simples.
Jorge Rodríguez García
TEMA 4
PROBABILIDADES
• Frecuentista (objetiva). Probabilidad obtenida tras experimentar
• Subjetiva (bayesiana). Es una simple suposición.
Estas dos definiciones establecen un suceso, que es un subconjunto de muchos resultados, se
asemeja al orbital de los electrones, un área donde PUEDEN estar dichos electrones.
En torno al suceso surgen el suceso contrario (1), el de unión(2) y el de interjección(3).
La probabilidad de cualquier función P sobre un subconjunto es la fracción del numero de
valores numéricos en dicho subconjunto entre el total.
